Подготовка исходных сейсмических данных для моделирования тектонического разлома угольного массива

Сейсморазведочные работы применяются на всех стадиях геолого-геофизических работ. Важной составляющей сейсморазведки является регистрация волн от изучаемых геологических границ и анализ их показателей. Актуальность статьи объясняется существующей необходимостью анализа атрибутов в ситуации недоступности специального программного обеспечения. Ограниченность в выборе программного обеспечения обусловлена проприетарностью приложений либо невозможностью его распространения на территории Российской Федерации. Целью статьи является составление комплекса формул для обработки сейсмических волн, который позволил бы проводить обработку сейсмических трасс без использования специализированных программных средств. Был изучен функционал программы для сейсмической обработки RadExPro, выявлен алгоритм работы модуля «Сейсмический анализ атрибутов». Рассмотрены и отобраны формулы, наиболее подходящие для вычислений сейсмических характеристик. Описаны особенности реализации расчетов для языка программирования Python. В результате сравнения вывода программы с полученными в процессе значениями существенных отклонений не было выявлено. Научная новизна заключается в нахождении математического аппарата, совпадающего с аппаратом рассматриваемой программы, который может быть использован как альтернативный метод обработки и анализа сейсмических характеристик без использования внешних программных средств.

Степанов И. Ю., Дорн Е. В., Степанов Ю. А. Подготовка исходных сейсмических данных для моделирования тектонического разлома угольного массива // Горный информационно-аналитический бюллетень. – 2024. – № 5. – С. 5–16. DOI: 10.25018/0236_1493_2024_5_0_5.

Степанов Иван Юрьевич¹ — аспирант, e-mail: zextel1995@gmail.com, ORCID ID: 0000-0002-7938-8049,
Дорн Екатерина Викторовна¹ — студент, e-mail: Kate-Kard-2010@ya.ru, ORCID ID: 0000-0002-6558-5658,
Степанов Юрий Александрович¹ — д-р техн. наук, профессор, e-mail: dambo290@yandex.ru, ORCID ID: 0000-0001-7552-6857,
¹ Кемеровский государственный университет.

Дорн Е.В., e-mail: Kate-Kard-2010@ya.ru.

1. Доброхотова М. В. Особенности перехода российской угольной промышленности к наилучшим доступным технологиям // Уголь. — 2022. — № 9. — С. 34—40. DOI: 10.18796/00415790-2022-9-34-40.

2. Hyder Z., Ripepi N., Karmis M. A life cycle comparison of greenhouse emissions for power generation from coal mining and underground coal gasification // Mitigation and Adaptation Strategies for Global Change. 2014, vol. 21, pp. 515—546. DOI: 10.1007/s11027-014-9561-8.

3. Степанов Ю. А. Развитие теоретических основ геоинформационных систем для прогнозирования состояния углепородного массива при ведении очистных работ: Aвтореф. … дис. докт. техн. наук. — Екатеринбург, 2016. — 32 с.

4. Цветков А. Б. Математическое и программное обеспечение для численного моделирования геомеханического состояния углепородного массива // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. — 2022. — № 60. — С. 52—58.

5. Cichowicz A., Spottiswoode S., Linzer L., Drent D., Heyns S., Handley M. Improved seismic locations and location techniques. Pretoria: University of Pretoria, 2005. DOI: 10.13140/2.1.3131.6166.

6. Поздняков В. А., Худяков С. С. Объектно-ориентированная технология создания сейсмогеологических моделей в отраженных и рассеянных волнах // Журнал Сибирского федерального университета. Техника и технологии. — 2011. — № 4. — С. 419—428.

7. Kong Q., Trugman D., Ross Z., Bianco M., Meade B., Gerstoft P. Machine learning in seismology: Turning data into insights // Seismological Research Letters. 2018, vol. 90, no. 1, pp. 3—14. DOI: 10.1785/0220180259.

8. Нанишвили О. А. Учет неоднородности верхней части разреза (ВЧР) при обработке сейсморазведочных данных // Вестник Югорского государственного университета. — 2017. — № 4(47). — С. 17—24.

9. Feng W., Dong S., Wang Q., Yi X., Liu Z., Bai H. Improving the Hoek–Brown criterion based on the disturbance factor and geological strength index quantification // International Journal of Rock Mechanics and Mining Sciences. 2018, vol. 108, pp. 96—104. DOI: 10.1016/j.ijrmms.2018.06.004.

10. Феоктистов А. В., Феоктистов В. А. Проблемы и особенности интерпретации геофизических материалов при работах ПГР // Недра Поволжья и Прикаспия. — 2011. — № 67. — С. 47—68.

11. Логинов Д. В., Лаврик С. А. Некоторые методы определения информативного набора сейсмических атрибутов для прогнозирования свойств коллекторов // Нефтегазовая геология. Теория и практика. — 2010. — № 1. — С. 1—12.

12. Волков Д. С. Возможности количественной интерпретации результатов спектральной декомпозиции сейсмических данных МОГТ-3D // Актуальные проблемы нефти и газа. — 2022. — № 1(36). — С. 25—41. DOI: 10.29222/ipng.2078-5712.2022-36.art2.

13. Кособоков В. Г., Соловьёв А. А. Распознавание образов в задачах оценки сейсмической опасности // Чебышевский сборник. — 2018. — № 4(68). — С. 55—90.

14. Лобусев А. В., Голь Е. М., Авдеев Н. С. Повышение эффективности геологической интерпретации за счет использования данных многоволновой сейсморазведки // Территория Нефтегаз. — 2018. — № 12. — C. 18—21.

15. Варламов А. И., Гогоненков Г. Н., Мельников П. Н., Черемисина Е. Н. Состояние и перспективы развития цифровых технологий в нефтегазовой геологии и недропользовании России // Геология нефти и газа. — 2021. — № 3. — С. 5—20.

16. Орехов А. Н., Амани М. М. М. Информативность геометрических атрибутов для прогнозирования трещиноватости коллекторов на примере месторождения углеводородов Томской области // Известия Томского политехнического университета. Инжиниринг георесурсов. — 2019. — № 9. — С. 230—238. DOI: 10.18799/24131830/2019/9.

17. Yuliatmoko R., Kurniawan T., Nur Vita A., Rohadi S., Florida N., Gunawan I., Karnawati D. Estimation site effect from the seismogram // AIP Conference Proceedings. 2021, vol. 2320, no. 1, pp. 040023—040023-6. DOI: 10.1063/5.0037541.

18. Ажгалиев Д. К., Исенов С. М., Каримов С. Г. Новые возможности обработки и интерпретации сейсмических данных в оценке перспективности локальных объектов // Известия Уральского государственного горного университета. — 2019. — № 1 (53). — С. 48—59. DOI: 10.21440/ 2307-2091-2019-1-48-59.

19. Panagiotakis C., Kokinou E., Vallianatos F. Automatic P-Phase picking based on local-maxima distribution // IEEE Transactions on Geoscience and Remote Sensing. 2008, vol. 46, no. 8, pp. 2280— 2287. DOI: 10.1109/TGRS.2008.917272.

20. Butcher A., Luckett R., Kendall J.-M., Baptie B. Seismic magnitudes, corner frequencies, and microseismicity: Using ambient noise to correct for high-frequency attenuation // Bulletin of the Seismological Society of America. 2020, vol. 110, no. 3, article 110. DOI: 10.1785/0120190032.

21. Jiang W., Ding W., Xinke Z., Hou F. A recognition algorithm of seismic signals based on wavelet analysis // Journal of Marine Science and Engineering. 2022, vol. 10, no. 8, article 1093. DOI: 10.3390/ jmse10081093.

22. Белоусов А. В. Стандартные оценки качества полевого сейсмического материала // Приборы и системы разведочной геофизики. — 2011. — № 03(37). — С. 31—36.

23. Xue S., Kasztenny B., Voloh I., Oyenuga D. Power system frequency measurement for frequency relaying. Western Protective Relay Conference, Spokane, WA, 2007.

24. Bentz C., Baudzus L., Krummrich P. Signal to noise ratio (SNR) enhancement comparison of impulse-, codingand novel linear-frequency-chirp-based optical time domain reflectometry (OTDR) for passive optical network (PON) monitoring based on unique combinations of wavelength selective mirrors // Photonics. 2014, vol. 1, pp. 33—46. DOI: 10.3390/photonics1010033.